山岭隧道爆破效果神经网络评价模型及爆破参数优化决策方法研究 |
| |
引用本文: | 雷明锋,张运波,秦桂芳,石渊博,龚琛杰,张勇,高洪飞.山岭隧道爆破效果神经网络评价模型及爆破参数优化决策方法研究[J].现代隧道技术,2023(2):54-61. |
| |
作者姓名: | 雷明锋 张运波 秦桂芳 石渊博 龚琛杰 张勇 高洪飞 |
| |
作者单位: | 1. 中南大学土木工程学院;2. 贵州路桥集团有限公司;4. 中国科学院合肥物质科学研究院 |
| |
基金项目: | 贵州省交通运输厅科技项目(2021-122-047); |
| |
摘 要: | 针对山岭隧道爆破开挖普遍存在的超欠挖过大、渣体块度不适等问题,分析了造成这些问题的主要因素,确定了隧道爆破开挖效果评价指标体系,建立了以爆破块度和超欠挖量为预测目标的隧道爆破效果神经网络评价模型,提出了基于深度学习的隧道爆破渣体块度实例分割算法,形成了山岭隧道爆破参数优化决策方法,进而开展了工程应用与验证。结果表明:(1)基于深度学习的隧道爆破渣体块度实例分割算法检测出的块体大小与真实值误差小于6.9%(置信度为95%),实现了隧道渣体块度样本数据的快速获取;(2)经148组工程实践样本数据训练后的隧道爆破效果神经网络评价模型能够较为准确地预测出爆破渣体块度与超挖量;(3)爆破参数优化后试验断面的平均线超挖量均在10%左右,较原方案降低了50%以上;实测得到的渣体块度与超挖值与模型预测结果一致性良好,偏差小于20%。
|
关 键 词: | 山岭隧道 爆破开挖 超欠挖 神经网络 深度学习 图像识别 |
|